二戰期間，盟軍的飛機損失率很高。軍方想加強飛機的裝甲，但裝甲太重會影響飛行。所以他們決定：只在最常被擊中的部位加裝甲。
他們統計了返航飛機上的彈孔分布，機翼和機身中段彈孔最多，引擎和駕駛艙彈孔最少。
軍方的結論：加強機翼和機身中段的裝甲。
統計學家 Abraham Wald 說：你們搞反了。應該加強引擎和駕駛艙的裝甲。
因為你們看到的是返航的飛機倖存者。引擎和駕駛艙彈孔少，不是因為那裡不容易被打中，是因為被打中那裡的飛機全部墜毀了，根本沒回來。
你分析的數據只來自倖存者。你看不到的失敗者，才是最重要的信息。
CEO 的標竿分析也是同樣的問題。
你研究 Amazon 的策略、Apple 的產品哲學、Netflix 的文化。你試圖從他們的成功中提取「可複製的配方」。
你沒看到的是：有 100 家公司做了跟 Amazon 完全一樣的事情，以客戶為中心、長期主義、飛輪效應，全部失敗了。他們沒有哈佛案例，沒有 TED 演講，沒有暢銷書。他們是那些機翼上沒有彈孔的飛機。
我把這個現象叫做「倖存者標竿」（Survivor Benchmark）你在標竿分析中看到的所有成功案例都是倖存者。你看不到的是做了同樣策略但失敗的公司。用倖存者的策略做標竿，就像用中了彩票的人的策略做投資指南。
一、倖存者標竿的三個系統性偏誤
偏誤一：你只看到了「贏家」，但輸家做了同樣的事
每一本商業書籍都在告訴你：「Amazon 之所以成功，是因為以客戶為中心。」
問題是：以客戶為中心的公司有幾萬家。大多數失敗了。「以客戶為中心」不是成功的原因，它是入場券。
你從贏家身上提取的「成功因素」，很可能在輸家身上也全部存在。真正的差異不在策略，在你看不到的東西：時機、資源、運氣、網路效應的臨界點、一個關鍵合作夥伴的引薦。
「搜尋偏誤稅」（Search Bias Tax）讓這個問題更嚴重：當你搜尋「數位轉型案例」、「SaaS 成功策略」，搜尋引擎返回的幾乎全部是成功案例。你的資訊環境被系統性地過濾了，失敗者從你的視野中消失了。
偏誤二：歸因謬誤，你把相關性當成因果性
你觀察到成功企業 A 有特徵 X、Y、Z。你的結論是：X + Y + Z → 成功。
但這是相關性，不是因果性。
成功企業有很多共同特徵，有些是成功的原因，有些是成功的結果，有些純粹是巧合。你無法區分，因為你只有倖存者的數據。
Netflix 的「不打卡文化」是他們成功的原因嗎？還是因為他們已經請到了頂尖人才（成功的結果），所以不需要打卡？如果你是一家 50 人的創業公司，複製「不打卡文化」可能帶來的不是 Netflix 的創新，而是混亂。
偏誤三：情境剝離，你複製了策略但複製不了情境
每一個成功案例都嵌入在一個特定的情境中：特定的時間點、特定的市場條件、特定的技術成熟度、特定的團隊結構。
你從案例中提取的「策略」是被情境剝離的，它失去了讓它成功的土壤。
BM 的「情境依賴」（Context Dependency）精確地描述了這個問題：Quibi 做了很多「正確」的事，頂級內容、知名 CEO、巨額融資，但時機不對（疫情改變了用戶場景）、情境不對（用戶不需要「短視頻的 Netflix」，他們已經有 TikTok 和 YouTube）。Quibi 的策略不是錯的，它在那個情境裡是錯的。
「生死分界線」（Survival Threshold）告訴我們：同一個策略在不同情境下，生死分界線的位置完全不同。你看到的倖存者恰好在分界線的正確一側，但他們不會告訴你分界線在哪裡，因為他們自己可能也不知道。
二、反向標竿分析：研究失敗者
如果倖存者標竿不可靠，替代方案是什麼？
研究失敗者。
「失敗解剖術」（Failure Autopsy）在 AI 領域已經證明了它的價值：Character.AI 的失敗、Rabbit R1 的失敗、Stability AI 的失敗，從這些案例中提取的模式比從成功案例中提取的模式更有規律、更可操作。
原因很簡單：成功有一千種方式，但失敗的原因高度重複。
常見的失敗模式：
- 燒錢速度超過價值驗證速度在證明產品有人買之前就大量擴張
- 創辦人適配度錯位問題很大但團隊的核心能力不匹配
- 市場時機錯誤太早（市場沒準備好）或太晚（市場已被佔領）
- 單一賭注依賴所有雞蛋在一個籃子裡，一個假設失效全盤崩潰
你不需要複製成功者的策略。你需要避免失敗者的共同模式。
三、怎麼正確使用標竿分析
標竿分析不是沒用。用法要改。
方法一：多案例比較法
不只研究成功者。至少找 5 個做了類似事情的公司，2-3 個成功的，2-3 個失敗的。
比較它們的差異：成功者有什麼是失敗者沒有的？那個差異才是真正的成功因素。
如果差異是「資金更充裕」或「時機更好」，這不是你能複製的。放棄這個標竿。
如果差異是「更快的驗證週期」或「更清晰的客戶定位」，這是你能學習的。
方法二：條件分析法
不問「誰成功了」，問「這件事在什麼條件下能成功」。
從第一性原理出發，不從案例出發。「共識折扣」告訴我們：所有人都在學的「最佳實踐」沒有超額回報，因為你的競爭對手也在學。
問：
- 這個策略成功需要什麼市場條件？我的市場符合嗎？
- 這個策略成功需要什麼團隊能力？我的團隊有嗎？
- 這個策略成功需要什麼時機窗口？窗口現在開著嗎？
方法三：自己成為數據點
與其分析別人的數據，不如快速產生自己的數據。
「試錯成本歸零」意味著：與其花三個月分析 10 個案例，不如花三週做一個小實驗。你自己的實驗數據比任何案例分析都可靠，因為它沒有倖存者偏誤、沒有歸因謬誤、沒有情境剝離。
四、行動指引：你的「標竿分析審計」
今天做一件事。找出你目前正在參考的一個「標竿企業」。
問三個問題：
- 我看得到失敗者嗎？做了類似事情但失敗的公司有哪些？他們為什麼失敗？如果你一個都想不出來，你的分析有嚴重的倖存者偏誤
- 我在學的是原因還是結果？我從標竿企業身上提取的特徵，是他們成功的原因，還是成功之後才出現的結果？
- 情境匹配嗎？標竿企業成功時的市場條件、技術條件、競爭條件，和我現在的情況相同嗎？如果不同，他們的配方在我這裡可能完全無效
最好的標竿不是「誰成功了我學誰」。最好的標竿是「誰失敗了我避免什麼」。
成功的路徑有一千條。失敗的深坑就那幾個。與其追逐你複製不了的成功，不如繞開你可以避免的失敗。
